針對高密度超薄柔性集成電路基板精密檢測需求,提出一種基于顏色特征的氧化缺陷檢測算法。設計了一種基于局部直方圖自適應閾值的銅箔表面快速分割方法,并給出一種基于單高斯模型（SGM）的二維顏色分割的氧化缺陷檢測方法,提取氧化缺陷基于RGB、HSV與分塊策略的8維顏色特征,輸入有向無環(huán)圖支持向量機（DAG-SVMS）分類器對氧化缺陷進行分級。實驗表明,所提方法精度達到微米級別,最小可檢測區(qū)域為15μm²。為高密度超薄柔性集成電路基板制造過程提供了精密的表面缺陷檢測系統(tǒng),解決了銅箔表面氧化缺陷的自動檢測難題。 

【文章來源】：計算機集成制造系統(tǒng). 2020年09期 第2379-2387頁 北大核心

【文章頁數】：9 頁

【文章目錄】：
0 引言
1 硬件系統(tǒng)設計
2 算法設計
    2.1 銅箔表面快速分割方法
    2.2 氧化缺陷檢測算法
    2.3 顏色特征提取
    2.4 氧化程度檢測算法
        2.4.1 訓練樣本集
        2.4.2 建立DAG-SVMS分類器
3 實驗結果
    3.1 氧化缺陷檢測效果
    3.2 檢測效率與精度
        3.2.1 氧化程度檢測實驗
        3.2.2 算法效率與精度實驗
4 結束語


【參考文獻】：
期刊論文
[1]機器視覺在有色金屬破碎料分選的研究[J]. 許子鳴,胡志力.  自動化與儀表. 2018(03)
[2]基于混合模型與流形調節(jié)的晶圓表面缺陷識別[J]. 盧笑蕾,余建波.  計算機集成制造系統(tǒng). 2018(02)
[3]深度強化學習進展:從AlphaGo到AlphaGo Zero[J]. 唐振韜,邵坤,趙冬斌,朱圓恒.  控制理論與應用. 2017(12)
[4]基于物聯網和工業(yè)云的選礦設備狀態(tài)監(jiān)控系統(tǒng)[J]. 侯一鳴,徐泉,李亞杰,王良勇,劉長鑫,柴天佑.  計算機集成制造系統(tǒng). 2017(09)
[5]基于深度學習的刀具磨損監(jiān)測方法[J]. 張存吉,姚錫凡,張劍銘,劉二輝.  計算機集成制造系統(tǒng). 2017(10)
[6]基于RGB顏色模型的紅富士蘋果表皮紅色區(qū)域檢測[J]. 黃兆良,朱啟兵.  激光與光電子學進展. 2016(04)
[7]一種FPC缺陷視覺檢測方法[J]. 孫國棟,楊林杰,張楊.  自動化儀表. 2015(12)
[8]智能制造裝備視覺檢測控制方法綜述[J]. 王耀南,陳鐵健,賀振東,吳成中.  控制理論與應用. 2015(03)
[9]飛機結構件三維CAD模型缺陷識別方法[J]. 張聰聰,張樹生,黃瑞,初宏鎮(zhèn),張曦卯,徐昌鴻.  計算機集成制造系統(tǒng). 2014(09)
[10]撓性印制電路板焊盤表面缺陷的檢測[J]. 黃杰賢,李迪,葉峰,張舞杰.  光學精密工程. 2010(11)

博士論文
[1]基于圖像分析的廢雜銅熔煉過程控制[D]. 張宏偉.浙江大學 2014

碩士論文
[1]基于顏色特征的皮革分類方法研究[D]. 趙海.浙江工業(yè)大學 2015
[2]基于顏色特征的計算機輔助舌診分類模型[D]. 陳竟博.吉林大學 2014
[3]基于顏色與紋理特征的礦物浮選精選泡沫分類[D]. 程翠蘭.中南大學 2010
[4]基于顏色特征的木質板材分類方法的研究[D]. 趙貝貝.東北林業(yè)大學 2010



本文編號：2907291